my-translator

英文原文正文为项目原始 README（英文），本站后续会翻译为中文，当前仅剔除图片与无关章节并统一排版。

我的翻译器 是一个由 Tauri 构建的实时语音翻译桌面应用。它可以直接从你的系统或麦克风捕获音频，将其转录，并在一个简洁的覆盖层中显示翻译——无需中间服务器。

📖 安装指南：macOS (EN) · macOS (VI) · Windows (EN) · Windows (VI)

⬇️ 我该下载哪个版本？

从最新版本获取匹配的文件：

在 Mac 上，查看 → 关于本机 → 芯片：Apple M 系列 → aarch64，Intel → x64。2020 年末及以后的 Mac 几乎全部是 Apple Silicon。
.app.tar.gz、.sig 和 latest.json 文件用于内置自动更新 — 你不需要下载它们。

它是如何工作的

                                    ┌── ☁️  Soniox  (text)              ──┐
System Audio / Mic → 16kHz PCM ─────┼── ⚡ OpenAI Realtime (text+🔊)      ─┼─→ Overlay UI
                                    ├── 🌏 Qwen LiveTranslate Flash (text only) │
                                    └── 🖥️  Local MLX  (text, offline)   ─┘
                                                                            ↓ (optional, text engines)
                                                  TTS (Edge / Google / ElevenLabs) → 🔊

四个翻译引擎，选择适合您需求的：

📊 详细对比： OpenAI Realtime vs Soniox 基准测试 — 来自 5 分钟的真实测试的速度、质量、成本及翻译机制比较。

功能

📖 双面板视图

两种显示模式：

• 单一（默认）— 仅显示翻译文本，简洁专注
• 双重 — 原文 | 翻译并排显示，每个面板独立滚动

通过面板按钮切换（悬停时右下角）。

🔄 智能滚动

仅在你滚动到最底部时自动滚动。向上滚动以阅读旧内容而不会被拉回底部。

🔤 快速字体大小

A- / A 浮动控制（悬停时右下角）。字体大小可调至 140px — 非常适合演示。

🔄 双向翻译

同时翻译两种语言之间的对话 — 适合双语会议。

• 单向: 源语言 → 目标语言（例如：日语 → 越南语）
• 双向: 语言 A ↔ 语言 B（例如：越南语 ↔ 日语）— 应用会自动检测谁在说话并翻译成另一种语言

视频通话设置（Zoom, Google Meet, MS Teams）：

1. 音频源：双方（系统与麦克风）
2. 翻译类型：双向
3. 设置语言 A 和语言 B

注意: 双向模式下会自动禁用 TTS 朗读以防止音频反馈循环（TTS 输出 → 麦克风重新采集 → 再次翻译）。

🎙️ TTS 朗读

在单向模式下朗读翻译 — 3 个提供商：

TTS 默认 关闭 — 可通过 TTS 按钮或 ⌘ T 切换。

📖 TTS 指南: 英文 · 越南语

📖 自定义翻译术语

定义特定领域词汇的翻译方式：

Original sin = Tội nguyên tổ
Christ = Kitô
Pneumonia = Viêm phổi

在 设置 → 翻译 → 翻译术语 中添加术语。非常适合宗教、医疗或技术内容。

⚡ OpenAI 实时模式

通过 OpenAI 的 gpt-realtime-translate（2026年5月正式发布）实现单次调用的流式翻译。通过一个 WebSocket 返回翻译文本 和 翻译语音音频——无需单独的 TTS 步骤，端到端延迟更低，输出更符合语言习惯。折衷：约 $4/小时，费用计入你的 OpenAI 账户。支持 13 种目标语言：en, es, pt, fr, de, it, ru, hi, id, vi, ja, ko, zh。

选择 OpenAI 实时模式时，双向模式和自定义 TTS 切换不可用（音频为原生）。

🌏 Qwen 实时翻译闪电模式

阿里巴巴 DashScope qwen3-livetranslate-flash-realtime — 在 Qwen 的免费预览层上流式传输翻译文本（无原生语音），提供与移动应用相匹配的60种语言选择器。服务器端 VAD 处理语音分段检测，因此可用于麦克风/系统音频/两者。仅显示翻译（无源文本转录面板；模型不提供 ASR）。获取密钥请访问 Alibaba Cloud Bailian（仅限新加坡区域——其他区域访问不同端点会失败）。

必须明确选择源语言（此引擎禁用自动检测——当源语言为“自动”时，Live Flash 在真实麦克风输入下会停滞）。选择 Qwen 时，双向模式和自定义 TTS 切换也被禁用。

🖥️ 本地模式（仅限 Apple Silicon）

使用 MLX Whisper Gemma 的实验性离线模式 — 100% 在设备上运行。JA/EN/ZH/KO → VI/EN。

隐私

您的音频永远不会接触我们的服务器——因为根本没有服务器。

• 应用程序直接连接到您配置的 API——没有中继，没有中间人
• 您拥有您的 API 密钥——本地存储，绝不传输到其他地方
• 无需账户，无遥测，无分析——零追踪
• 转录文本以 .md 文件形式本地保存，每次会话保存一次

技术栈

• Tauri 2 — Rust 后端 WebView 前端
• ScreenCaptureKit — macOS 系统音频
• WASAPI — Windows 系统音频
• cpal — 跨平台麦克风
• Soniox — 实时语音转文本 翻译
• OpenAI Realtime Translate — gpt-realtime-translate（文本 原生语音）
• MLX — 设备端 Whisper Gemma 离线模式
• Piper via sherpa-onnx — 本地离线神经 TTS（设备端，无网络）
• Edge TTS — 免费神经 TTS（默认）
• Google Cloud TTS — Chirp 3 HD（接近人类的质量）
• ElevenLabs — 高级文本转语音

从源代码构建

git clone https://github.com/phuc-nt/my-translator.git
cd my-translator
npm install
npm run tauri build

要求：Rust（稳定版）、Node.js 18、macOS 13或Windows 10。

星标历史

许可证

麻省理工学院